各種Gini係數指標的相對效能分析：.docVIP

各種Gini 係數指標的相對效能分析： 以教育成就模擬資料為例 李 茂 能 國立嘉義大學國民教育研究所 衛生系講師 摘 要 本模擬研究旨在探討常用Gini 係數的相對效能(估計誤差)與X 軸等份分割數及教育資料分 配型態屬性間之關係。因此，本研究操弄了3 個變因：教育平均程度(模擬正偏、常態、負偏)、 教育離散程度 (模擬大、中、小)及等分割數(5 與10)。根據此設計，本研究共含18 種模擬分配 的教育程度資料。 整體而言，本研究發現Gini 係數的相對效能會受到資料的分割數、離散程度與分配型態所 支配。茲將主要研究發現的細節，摘要如下: 1、 教育資料的分割數愈多或其變異量愈小，不均等指標的誤差均趨於愈小(亦即出現分割數愈 多，誤差愈小，而變異量愈大，誤差愈大的現象)；且不管資料等份為十等份或五等份時， 定積分與梯形法(定積分近似估計法)之誤差大小均符合Espericueta(2001)的理論: SE 4 n 2k 。 2、 一般來說，G1 與G2 之效能劣於G3、G4、G5、G9、與G10。當分割數為5 時，所有Gini 指標均以正偏時估計誤差最大，當分割數為10 時，G3、G4、G5、G9、與G10 以常態低估 最小，而G1 與G2 則在負偏時，估計誤差最小；其餘的條件下，並未出現一致的誤差型態。 3、 G1、G2 出現高估現象之外，而其餘Gini 係數的指標誤差均產生低估現象，此種低估現象 可能出自於忽視組內誤差的計算與分割數過少所致。 各種Gini 係數指標的相對效能分析：以教育成就模擬資料為例 4、 G3, G4, G5, G9 均為梯形面積法的變形，因此所得的指標大小，不管偏態與變異量之大小為何，所得的指標大小完全相等。修正過的教育基尼係數G10 為G7 的變形與上述梯形面積 法的結果亦完全相等。 5、 可能係本研究使用了大樣本(N=1000)，G11(Jackknife mean Gini)與G7, G8，使用個別資料計算Gini 係數時，所得的結果幾乎完全相等。 6、 如將G3, G4, G5, G9 與G10 等係數乘以向上校正因子(n ?1n )，這些指標係數將等於G1 係數，此有趣的發現值得進一步探討。 上述的研究結論具有幾點Gini 指標運用上之啟示：第一、Gini 指標之低估現象在分割數過少或愈正偏時或變異量較大時比較嚴重，Gini 係數應加以調整(如使用G1 指標)以避免導致錯誤 之結論，第二、G11, G7, G8 與G10 均為最佳指標且能提供估計標準誤，而前三者適用於未分類的原始資料，G10 則最適用於分類的教育資料上。 關鍵詞：Gini 係數、Lorenz 曲線、教育成就、模擬研究 壹、動 機 資本主義追求資源、控制資源乃是天經地義，可惜易造成貧富懸殊，由貧富懸 殊而導致教育機會不均、甚至產生暴動以取得資源控制權等不幸現象。因此，社會 主義者乃鼓吹資源重新分配與社會福利等措施，以消弭貧富差距，及提供均等之教 育機會。教育與經濟密不可分，教育程度的過度偏態對於個人所得分配會有負面的 影響，而過度不均等的財富分配則會阻礙個人對於教育與健康方面的投資，甚至於 導致經濟成長的衰退、社會的動盪不安與政治的不穩定(Lopez, Thomas, Wang, 1998；吳政達，2002)。追根究底，此乃由於國民所得分配的不公平，致使學童無法 接受或完成應有的教育；也由於教育資源分配或教育機會的不公平，致使學童無法 接受同等待遇的教育。因為這些不公平常是環境使然，非個體所願，因此教育機會 的均等性、受教資源或環境的公平性與完成受教的財力問題，逐漸獲得學者的研究 重視，一再呼籲政府採取資源分配的補救措施，讓在相似環境與條件下的學生獲得 相同的教學品質或財政支援，以保證教育品質與國家教育目標的達成(Boston, 2002)。 過去經濟學者、政治分析家與社會學研究學者最常使用Lorenz 曲線、Gini 係 李 茂 能 國民教育研究學報 ．3． 數與Entropy 指標，作為測量人口分佈、國家財政支出分配與所得分配不均等(或不 公平程度)的指標。在公平性的教育研究中，Lorenz 曲線與Gini 係數亦較常用來探 究教育機會均等、教育經費支出公平性、教育發展均等性與學校分佈均勻性之教育 問題(張碧芬，1992；張鈿富，1999；吳昭芳，2001)。 自從Gini(1912)提出均互差概念以來，前述不均等或不公平研究的論述中，所 用的Gini 係數或Entropy 不均等指標，常是使用不同計算方法或公式求出的(例如均 互差法、定積分、梯形與拋物線估計法、Jackknife 法等)，難怪Coulter(1989)在測量 不均等性的專書中，即提及為數多達50 種的不均等指標。這麼多的指標，實在令人 眼花撩亂不